为何ggridridges图在无负数值数据中显示负数值分布？

这是核密度估计（KDE）的固有特性导致的：

• geom_density_ridges默认用核密度算法拟合分布曲线，核函数会围绕每个数据点生成平滑的分布形态，并自然向数据范围外延伸。setosa的花瓣宽度本身集中在0附近（大多在0.1-0.6之间），所以拟合出的曲线会向负数区间延伸，形成你看到的“负数值分布”。
• coord_cartesian(xlim=c(0,4))只是裁剪了图表的显示范围，并没有改变曲线的计算逻辑——曲线是基于完整数据集和KDE算法生成的，哪怕原始数据没有负数，拟合结果依然会包含负数区间的部分。

如果不想显示负数部分的曲线，可以选其中一种方式处理：

1. 用scale_x_continuous替代coord_cartesian，把超出范围的部分“挤压”到边界：

   ggplot(iris, aes(Petal.Width, Species))+ 
     ggridges::geom_density_ridges()+
     scale_x_continuous(limits = c(0, 4), oob = scales::squish)+
     theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank(),
           panel.background = element_blank(), axis.line = element_line(colour = "black"))
   

2. 在geom_density_ridges里设置trim = TRUE，让曲线在数据最小值处截断：

   ggplot(iris, aes(Petal.Width, Species))+ 
     ggridges::geom_density_ridges(trim = TRUE)+
     coord_cartesian(xlim=c(0, 4))+
     theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank(),
           panel.background = element_blank(), axis.line = element_line(colour = "black"))
   

内容的提问来源于stack exchange，提问作者braun_tube